问题标签 [machine-learning-model]
For questions regarding programming in ECMAScript (JavaScript/JS) and its various dialects/implementations (excluding ActionScript). Note JavaScript is NOT the same as Java! Please include all relevant tags on your question; e.g., [node.js], [jquery], [json], [reactjs], [angular], [ember.js], [vue.js], [typescript], [svelte], etc.
python - 如何在 Numpy 中实现矢量化反向传播
我正在做一个学校项目，并坚持如何使用我目前拥有的前向道具结构在 Numpy 中实施反向传播。该脚本的目的是仅使用 numpy 创建一个简单的动态（意味着任意数量的层和节点）全连接网络。
我认为我必须找到激活函数的导数并将其乘以原始误差以及我遇到的每个激活函数的导数向后移动。
但是，我无法弄清楚如何在我的脚本中正确实现这一点。
鉴于此处设置的复杂性，如果有人可以用英语解释我到底要做什么，或者甚至推荐处理动态大小反向传播的视频/帖子，那将是一个很大的帮助。
现在，所有权重和偏差都存储在列表中以供将来反向传播，并且我能够使用反向传播函数中当前的少量代码来获取每个输出的错误。
这个代码块
输出以下向量：
就像我说的，不知道如何从这里向前（或向后；））。
以下是运行示例所需的完整脚本：
machine-learning - 识别时间序列预测算法
我正在尝试根据这些视频（点击！）在 C# 中构建算法我的问题与这些任务的编码部分无关。
我试图更深入地了解这个算法，因为它非常适合我的任务。但是，YouTuber 没有通过名称来识别它。我想知道您可以给我的任何信息——名称、资源等。
编辑：这是时间序列分解模型。具体来说，经典的乘法分解。
脚步：
- 计算一个等于季节长度的移动平均值来确定趋势周期。
- 如果季节长度是偶数，则将移动平均值居中。
- 将实际值计算为居中移动平均值的比例，以获得每个时期的季节性指数。
- 调整季节性指数的总和以等于周期数。
- 通过将时间序列除以季节性指数来去季节化。
- 使用去季节化的数据估计趋势-周期性回归。
- 将拟合的趋势值乘以其适当的季节因子来计算拟合值
- 使用已知的实际序列计算误差并测量拟合的准确性。
- 如果周期性因素很重要，请计算周期性指数。
- 检查异常值，调整实际序列并在必要时重复步骤 1 到 9
machine-learning - 机器学习监督聚类
我正在尝试在可以聚集在特定字段上的标记数据上构建模型。
示例数据：
我要聚类的字段是 class_id。我希望能够给出模型（class_id、date、class_time）并获得学生在特定日期和时间留在我的班级的估计时间（以分钟为单位）。我想按 class_id 进行聚类，因为每个类都以自己的方式不同。有没有可以做到这一点的模型或方法？谢谢！
python - 保存一个“微调”的伯特模型
我正在尝试保存一个经过微调的 bert 模型。我已经正确运行了代码 - 它工作正常，并且在 ipython 控制台中我可以调用 getPrediction 并让它产生结果。
我保存了我的体重文件（最高的是 model.ckpt-333.data-00000-of-00001
我不知道如何将模型保存为可重用。
我正在使用 bert-tensorflow。
tensorflow - Keras 网络未训练
我正在尝试学习 Keras 并创建了一个简单的网络。特征数据为 [1, 2, 3, 4, 5]，标签为 [7, 9, 11, 13, 15] - 或斜率为 2，截距为 5 的直线（Y = X * 2 + 5)。
这是 Keras 网络：
斜率在第一个时期结束为 -0.1879，并且没有进展。我怀疑我缺少参数或设置，或者可能是模型上的函数调用。但我无法弄清楚它是什么。
这是我试图在 Keras 中重现的张量流网络。该网络在大约 1300 个时期收敛到正确答案：
tensorflow - 增强数据集真的会改善 ML 模型吗
我们之前有 411 个大小的数据集。这样我们就检测到了 70% 的对象。我们通过实施旋转和不同级别的亮度将其增加到 5000。但准确率下降到 40%。我们不知道哪里出了问题。
machine-learning - 是否可以在 python 中在数据集的不同列上训练 2 个 SVM，然后使用两个 SVM 进行最终预测
假设我有一个包含 20 列的数据集。现在在 python 中有没有办法在第一个 10 列上训练一个 SVM，在其余 10 列上训练另一个 SVM，然后结合两个 SVM 的输出来做出最终预测？
r - 当使用带有交叉验证训练控制的 train() 函数时，您如何看待模型对测试集的预测？
我是一名初学者，试图学习一些基本的机器学习技术。
我想使用留一法交叉验证和 train() 函数来训练模型。我的功能似乎可以正常工作。但是，我看不到模型的测试集预测。给定以下模型，您将如何做到这一点？
python - 对 TEST 数据进行 StandardScaler 转换后 ML 模型的性能
概述：我是 ML 和学习 sklearn 预处理的新手。我发现当我们对 TEST 数据使用 sklearn 预处理转换时，mean 不会为 0，std 不会为 1（原因是我们使用 TRAIN 数据 mean/std 来标准化测试数据）。
我的问题：如果测试数据以这种方式标准化（未正确标准化为均值为 0 和标准为 1 的高斯正态分布），那么这会影响 ML 算法的预测吗？我的理解是，ML 预测的准确性会很低，因为我们给 ML 模型提供了不正确的标准化数据。
machine-learning - 使用没有云的机器学习的应用程序
我已经看到了在云上部署机器学习模型的各种方法，但我只是想知道我们是否可以创建一个使用机器学习而不是从云端而是使用在同一台计算机上训练的模型的程序。我的意思是我可以创建一个简单的井字游戏，其中计算机使用机器学习与人类玩家对战，游戏文件和模型都驻留在同一台计算机上，一个与另一个通信？